Título: Aprendizagem de máquina aplicada à estratificação de risco de mortalidade de recém-nascidos associados a partos prematuros
Autores: Yasmin S. de P. Oliveira ,Gabriel R. de Freitas , Wysterlanya K. P. Barros, Luísa C. de Souza? Karolayne S. Azevedo, Raquel de M. Barbosa, e Marcelo A. C. Fernandes
Resumo: Este artigo apresenta um estudo que utiliza técnicas de aprendizado de máquina não supervisionado, com foco na tecnica t-SNE, para estratificar o risco de mortalidade em recém-nascidos prematuros. A metodologia adotada envolve a coleta de dados das bases governamentais do Sistemas de Informaçoes sobre Nascidos Vivos (SINASC) e do Sistemas de Informaçoes sobre Mortalidade (SIM), a seleção de variáveis relevantes e a criação de um conjunto de dados unificado. Ap os a remoção de outliers e dados faltantes, o conjunto de dados final contem´ informaçoes de 52.673 recém-nascidos. A técnica t-SNE e aplicada para identificar padroes e estruturas nos dados, permitindo a estratificação do risco de mortalidade neonatal. Os resultados obtidos são avaliados e interpretados, destacando as variáveis mais relevantes para a estratificação do risco. Essa abordagem inovadora tem o potencial de aprimorar os cuidados e os resultados de saude para recém-nascidos prematuros, fornecendo insights valiosos para a tomada de decisões informadas no ambito da saude pública.
Palavras-chave: Aprendizado não supervisionado, estratificação de risco, prematuridade, t-SNE, mortalidade neonatal
Páginas: 8
Código DOI: 10.21528/CBIC2023-150
Artigo em pdf: CBIC_2023_paper150.pdf
Arquivo BibTeX: CBIC_2023_150.bib